MétaCan
Menu
← Retour à la cohorte
Enregistrement W4416962078 · doi:10.1109/ecce58356.2025.11259543

A Novel Transformable Multi-Mode Three-Phase AC/DC LLC Converter for Fast DC Charging Applications

2025· article· W4416962078 sur OpenAlexaff
Xiaoyi Xia, Kajanan Kanathipan, John Lam

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiqueAdvanced DC-DC Converters
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésRectifier (neural networks)VoltageBoost converterForward converterĆuk converterPower (physics)Flyback converterBuck–boost converterPower factor

Résumé

récupéré en direct d'OpenAlex

This paper proposed a novel transformable multi-mode three-phase AC/DC LLC converter for electrical vehicle (EV) fast DC charging applications. The proposed converter operates in four distinct modes. First of all, the input-side power factor correction (PFC) stage can operate in continuous current mode (CCM) with two-stage conversion for high-power conditions or operate in a single-stage conversion in discontinuous current mode (DCM) for low-power conditions. Secondly, the output rectifier of the proposed converter can operate either as a full-bridge rectifier or a voltage doubler, enabling a wide output voltage range. With this approach, a wide range of very high efficiency can be maintained for a wide load condition for different output battery levels. The output voltage is regulated by the LLC resonant converter with frequency modulation control. The operations of each mode of the proposed converter are introduced in this paper. The simulation of the proposed converter in a 10kW-20kW,$\mathbf{480}\mathbf{V}_{\mathbf{LLrms}}$input,$\mathbf{400}\mathbf{V}_{\mathbf{dc}^{-}} \mathbf{800}\mathbf{V}_{\mathbf{dc}}$output system in PSIM software and a 1kW,$\mathbf{120}\mathbf{V}_{\mathbf{LLrms}^{-}}$input,$\mathbf{200}\mathbf{V}_{\mathbf{dc}}-\mathbf{360}\mathbf{V}_{\mathbf{dc}}$output proof-of-concept prototype is presented to validate the functionality of the proposed converter.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,019
Tête enseignante GPT0,297
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetAdvanced DC-DC Converters→Travaux en français237 207→